基于自适应中心加权中值和Goldstein的InSAR干涉图强噪声滤波方法

针对现有的滤波方法在处理强噪声干涉图时的不足,提出一种基于自适应中心加权中值和Goldstein的两步干涉图滤波方法。试验结果表明,构造的针对强噪声干涉图的两步滤波法在滤除噪音的同时,可以很好地保存干涉图的条纹信息。与经典的Goldstein方法相比,新方法的滤波效果可以提高22.4%和43.6%。

改进的自适应加权中值滤波算法

在分析了自适应算法和中心加权算法的原理和优势后,提出了一种改进的自适应加权中值滤波(IAWMF)算法。采用扩展边缘的方式,使原图像的所有像素点能够用噪声检测因子进行噪声检测,对含有噪声的图像采用自适应窗口(N×N)的中心加权算法进行滤波,可以有效降低邻域噪声点对滤波图像质量的影响。仿真结果表明:改进算法在高浓度椒盐噪声条件下获得的实验效果峰值信噪比(PSNR)、均值平方误差(MAE)、均值绝对误差(MSE)显著优于其他算法,在降噪和保持细节中取得很好的平衡。

一种改进的B超图像自适应加权中值滤波

将Speckle噪声的统计特性及超声图像的对数压缩变换应用于加权中值滤波 ,对权系数的选择进行了改进 .使得能够保留更多的细节内容 ,而对Speckle噪声的去除能力并没有降低 .实验证明所提出的方法具有良好的效果 .

基于隶属度函数的自适应加权中值滤波

均值滤波能较好的平滑图像的噪声,但对于高密度的脉冲噪声的抑制能力却有限,针对标准中值滤波的缺点,作者提出了一种基于隶属度函数的自适应加权中值滤波算法。该算法先通过对窗口内像素点进行噪声检测,根据噪声点的个数自适应的调整滤波窗口大小,再按照各像素点隶属度的大小,将各信号按照隶属度的大小赋予权重,最后采用加权中值滤波算法处理信号点,输出结果。

一种改进的自适应加权中值滤波算法研究

图像在传输和处理过程中不可避免地存在边缘、细节信息破坏、垃圾噪声加载等问题,需要对输出图像进行过滤。对此,分析了几种典型的改进后的中值滤波算法,在此基础上提出了一种新的自适应加权中值滤波算法(WAMF)。该算法汲取了常见中值滤波算法的优缺点,通过噪声检测确定图像中的噪声点,根据窗口中噪声点的数量自适应调整滤波窗口的大小,像素点在滤波窗口中按照特定规律自适应分组,按照相似度值给各组像素点分配权重值,对检测到的噪声进行合理滤波。仿真结果表明,WAMF算法不仅可以有效去除噪声,而且较好地保存了图像细节,滤波性能优于常见中值滤波算法。

自适应中值滤波器及其应用

将自适应加权中值滤波器应用于滚动轴承故障信号的故障诊断中。当信号中含有多种噪声时,让信号先通过自适应加权中值滤波器,再通过线性带通滤波器,对降噪后的信号进行包络解调处理,可以克服噪声对包络谱分析的影响。通过仿真和试验信号分析可以看出,自适应中值滤波器在机械故障诊断中具有较好的应用前景,使包络谱分析方法得到更广泛的应用。

改进的中值滤波算法在图像去噪中的应用

针对标准中值滤波方法存在的不足,结合均值思想提出两种改进的中值滤波算法,即加权快速中值滤波算法和加权自适应中值滤波算法,MATLAB实验证实两种方法均能更好地保存原始图像的细节和边缘。比较两种新方法得出以下结论:加权改进中值滤波算法对低密度的脉冲噪声去噪效果明显,对于高密度脉冲噪声去噪效果不理想,但能大大提高中值滤波的运行速度,对数字图像实时处理意义很大;加权自适应中值滤波算法能够有效地消除被污染图像中的高密度脉冲噪声,较标准中值滤波具有更优良的滤波性能,较加权快速中值滤波算法在去噪方面有更好的鲁棒性。

基于中值滤波与维纳复原的图像预处理方法

图像预处理是机器视觉、模式识别等研究领域中不可获取的重要组成部分,在算法的研究与设计过程中,图像的质量与完整度都是影响算法准确率的主要因素,而通过图像预处理可以很大程度上的弱化这些影响。该文在研究传统的图像预处理方法的同时将图像滤波与图像复原方法相结合,提出加权自适应中值滤波结合维纳复原法。即首先采用加权自适应中值滤波对图像进行滤波,然后使用维纳复原法对图像进行复原。通过实验证明该方法对改善图像质量有着很好的效果。

基于小波去噪与改进Canny算法的带钢表面缺陷检测

针对带钢表面图像亮度不均匀、对比度低以及缺陷种类多、形式复杂的问题,提出一种基于小波去噪与改进Canny算法的带钢表面缺陷检测算法。首先通过小波变换将原始图像分解,对低频分量采用改进的同态滤波提高亮度和对比度,对高频分量采用改进的阈值函数进行去噪,并通过小波重构得到增强图像。其次对传统Canny算法进行改进,通过改进的自适应加权中值滤波进行平滑,并增加梯度方向模板;然后采用迭代式最优阈值选择法与最大类间方差法来求取高低阈值,提高算法的自适应性。最后采用形态学处理对缺陷边缘填充,并去除干扰边缘及毛刺,得到带钢表面缺陷区域。实验结果表明,所提算法对带钢表面缺陷的检测效果较好、精度较高,适用于多种类型的带钢表面缺陷检测。

基于像素特征的路面裂缝图像自适应滤噪

分析了破损路面图像的像素点区域特征,针对不同区域提出加权邻域滤波和自适加权中值滤波算法.其权值是通过对图像中区域特征的推理得到的,所以算法中能根据图像的区域特征自适应的进行滤波.试验表明,本算法能够有效滤除噪声,并具有很好的细节保护能力.

1种农产品图像混合滤波算法的应用

针对农产品图像中的混合噪声,提出了1种有效的滤波算法。首先从噪声检测和标记方法、自适应加权滤波等环节对中值滤波算法进行适当改进,从而提出了1种改进自适应加权中值滤波算法对混合农产品噪声图像进行第1阶段滤波;然后对滤波后图像分别采用3×3滤波窗口、5×5滤波窗口的均值滤波算法进行第2阶段滤波;最后对均值滤波后的图像进行等权融合处理。分别将研究的滤波算法与中值滤波、加权中值滤波、极值中值滤波、均值滤波等算法进行试验仿真对比,结果表明,经过研究的算法滤波后图像清晰度明显高于其余算法且噪声残留程度明显低于其余算法,这对于农产品的高效处理具有一定的借鉴价值。

一种图像脉冲噪声小波域广义滤波算法

提出了一种脉冲噪声滤波算法。首先对噪声图像进行二维小波分解,得到高频和低频子图像;其次对高频子图像序列采用改进自适应加权中值滤波进行处理,以排除水平、垂直、对角方向的噪声;然后对于低频子图像引入基于修正系数的维纳滤波进行处理,并进行小波系数重构;最后设计出一种小波域图像增强模型,通过设置调节系数,将图像分为不同区域分别进行相应比例的对比度拉伸处理,结合实验定量讨论了噪声强度与模型系数的函数关系。实验表明,该滤波算法不仅优于几类单一滤波算法,相对于某些组合滤波算法而言,也具有一定的优势。

基于可视化电子围栏的站场人员侵线自动报警方法

针对站场环境复杂且光照强度不均、监控视频不清晰、人员侵线报警不准确的问题,提出了基于可视化电子围栏的站场人员侵线自动报警方法。自适应加权中值滤波算法滤除监控视频中存在的噪声,融合帧间差分法和背景差法构建背景更新差分法,实时更新背景图像并补偿图像光照,用于运动人员目标检测。采用均值漂移算法跟踪受遮挡的移动人员目标,根据目标识别结果和相关阈值判定人员侵线情况,作出报警或解除报警处理。实验结果表明,所提方法的监控视频处理效果较为理想,精确率、召回率和F 1值较高,参数数量和浮点运算次数较少。

基于区域特征的路面裂缝图像滤噪算法

分析了破损路面图像的像素点区域特征,针对不同区域提出加权区域滤波和自适应加权中值滤波算法。其权值是通过对图像中区域特征的推理得到的,所以算法中能够根据图像的区域特征自适应的进行滤波。试验表明。本算法能够有效滤除噪声,并具有很好的细节保护能力。

基于线分割的立体匹配算法

给出一种改进的立体匹配算法。根据视差场的极限约束,采用图像线分割的匹配方法得到初始视差,由基于初始视差的交叉检测技术和可信度约束提取高可靠度的GCP点。针对视差图中的不可靠点,加入Bilateral Filter的自适应加权中值滤波,在由均值偏移图像分割算法得到的分割区域内,对像素的视差值进行投票,有效遏制局外点,得到更合理的视差图。在Middlebury test set上进行的测试结果表明,该算法具有较好的视差估计精度。

Adaptive Noise Detection and Removal Algorithm Using Local Statistics for Salt-and-Pepper Noise

In this paper, an adaptive noise detection and removal algorithm using local statistics for salt-and-pepper noise are proposed. In order to determine constraints for noise detection, the local mean, varianoe, and maximum value are used. In addition, a weighted median filter is employed to remove the detected noise. The simulation results show the capability of the proposed algorithm removes the noise effectively.

基于图像分割的稠密立体匹配算法

提出一种基于图像分割的稠密立体匹配算法,该算法将灰度-梯度算法与零均值归一化互相关(ZNCC)算法相结合生成匹配代价,利用SLIC(Simple Liner Iterative Cluster)算法对图像进行分割,基于视差图和超像素更新了匹配代价。在视差后处理阶段,基于左右一致性检验(LRC)、孔洞填充和十字交叉自适应窗口加权中值滤波的方法减小视差图的误匹配率。利用Middlebury数据集的4组图像进行测试,测试结果表明,平均误匹配率为4.99%。